[发明专利]一种基于深度学习的吊装安全距离检测方法

说明书

本发明公开了一种基于深度学习的吊装安全距离检测方法，其包括：通过摄像头获取塔吊结构中吊钩周围的图像；针对获取图像中的工人和吊钩进行标记、制作成数据集；利用深度学习中的Faster R‑CNN对数据集进行训练；利用训练好的检测模型对图像中的工人和吊钩进行识别和定位；根据检测结果中的定位信息计算出图像中工人和吊钩的像素距离；再根据吊钩和摄像头的高度以及吊钩的真实长度和像素长度，将工人与吊钩的像素距离换算成工人与吊钩垂直投影点的实际距离，进而实现对吊装安全距离的监测。本发明有效地解决了图像中工人和吊钩的识别定位问题，并且在安全距离检测上具有较高的精度。

技术领域

本发明属于土木工程施工机械安全监测领域，涉及到塔吊在吊装过程中工人与吊钩之间的安全距离检测方法。更确切的说，本发明涉及一种能够在吊装过程中，通过深度学习算法对图像中的工人和吊钩进行识别和定位，根据定位信息和换算方法实现工人与吊钩之间的安全距离检测。

背景技术

随着城镇人口的不断增加，对高层和超高层建筑的需求越来越大，为了提高施工机械化和工业化，塔吊被广泛应用在高层和超高层建筑的施工过程中。塔吊吊装的物体具有较高的势能、作业范围广、影响面积大。然而施工现场的设备和材料繁多，很容易遮挡塔吊司机的视线。为了能让塔吊司机更好地了解地面信息，位于地面的工作人员常常通过对讲机指导塔吊司机进行一些规避动作。

但是吊装过程中出现的安全事故依旧层出不穷，基于各类传感器的监测系统被开发完成，但是这类传感器更加关注塔吊自身的安全情况，并未侧重考虑塔吊对结构和工作人员的影响。在考虑到塔吊与其他结构物可能出现碰撞的情况下，一些研究人员建立了3D模型能够更好地体现建筑物和周围环境的三维信息，再结合上述传感器的应用对所吊装的物体进行实时定位，减少碰撞事故的发生。

目前已有的塔吊监测系统都只考虑自身的安全状态以及与周围结构物的碰撞情况，并没有把工作人员考虑在内。在施工现场，人员的安全问题永远是排在第一位的。因此需要对吊装过程中工人与吊钩之间的距离进行检测，要时刻保证其距离处于安全范围之内。目前常见的塔吊监测系统在吊钩正上方的吊臂位置往往会安装一个摄像头用来帮助塔吊司机增加吊钩下方的视野，及时做出规避动作。但是无法判断工人与吊钩之间的实际距离，无法定量地对吊装安全距离进行检测，然而该距离对吊装安全又是至关重要的。所以根据已有的监控设备，通过识别算法实现吊装安全距离的检测是很有意义的。

发明内容

鉴于已有技术存在的缺陷，本发明的目的是要提供一种基于深度学习的吊装安全距离检测方法，其根据现有的吊装安全监测系统中的摄像头，获取吊钩周围的图像，利用深度学习算法对图像中的工人和吊钩进行识别定位，根据检测结果中的定位信息得到工人与吊钩之间的像素距离，然后通过换算方法得到工人与吊钩垂直投影点之间的实际距离。从而达到吊装安全距离监测的目的

为了实现上述目的，本发明的技术方案：

一种基于深度学习的吊装安全距离检测方法，其特征在于，包括如下步骤：

步骤1、利用塔吊上已有的监测系统，获取吊钩正上方吊臂位置上的摄像头内部的图像；

步骤2、针对获取图像中的工人和吊钩进行标记、制作成数据集。数据集中80％用作训练集，20％用作测试集；

步骤3、利用深度学习算法对数据集进行训练；

步骤4、利用训练好的检测模型对图像中的工人和吊钩进行识别和定位，同时显示识别框的左上角和右下角两点坐标；

步骤5、根据检测结果中的定位信息计算出图像中吊钩的像素长度、吊钩的中心点坐标、工人的中心点坐标。进而得到吊钩和工人之间的像素距离；

步骤6、根据吊钩和摄像头的高度以及吊钩的真实长度和像素长度，将工人与吊钩的像素距离换算成工人与吊钩垂直投影点的实际距离，进而实现对吊装安全距离的监测。